Governança de Dados-Parte VIII-b-Visão europeia sobre Governança de dados-continuação do post anterior(Visão Steve Sarsfield):

Governança de Dados-Parte VIII-b-Visão europeia sobre Governança de dados-continuação do post anterior(Visão Steve Sarsfield):  

O Data Champion e os aspectos de convencimento sobre a importância de GD, através de busca de apoio financeiro para seus projetos.

Steve Sarsfield usa um termo “data champion” para designar a pessoa ou um grupo de pessoas, apaixonadas por dados, com capacidade para trabalhar as ideias de GD ou de gestão estratégica de dados  para serem compradas pela alta camada de decisão da empresa e  implementada com sucesso. É um grupo ou papel que  deve transitar bem pelos negócios, pela TI e por outras partes envolvidas. Deve ter conhecimento de tecnologia e sensibilidade sobre a importância dos dados, ótima capacidade de comunicação e de relacionamentos interfuncionais e interdepartamentais. Um bom começo é definir uma ou mais áreas de negócios como a área focal, listar seus principais “envolvidos” e mapear os seus dados e as  áreas responsáveis por eles. Os envolvidos devem saber o conceito de metadados e de schema, porém sempre explicado para os “negocistas” de forma clara e didática. O “Data champion”, que caracteriza esse papel, deverá ter além disso, uma forte capacidade de venda e convencimento da visão sobre os dados, e claro, ser um positivo e sorridente evangelista das ideias de GD. Deverá ser pragmático e capaz de enfrentar desafios e bloqueios, pois nessa área cinzenta de dados, ou os dados são de todos ou são de ninguém, num corolário torto produzido pela era em que os dados foram relegados ao plano de combustível de processos. Em ambos os casos, isso é problema dos mais sérios. Ter capacidade de liderança é imprescindível e Sarsfield até sugere no seu livro que o pretenso “Data Champion”, seja pessoa ou papel, procure ler obras de Dale Carnegie e John Maxwell, visando a melhoria desses aspectos de liderança e de capacidade de enfrentamento de obstáculos. Um fator fundamental nesse momento é ter um discurso sobre o retorno que a empresa terá pela implementação de GD. Isso não é fácil. Aspectos simples, como aumento de faturamento, diminuição de custos e redução de riscos são fatores verdadeiros, mas devem ser consubstanciados com visões mais objetivas. Outro fator que ajuda é a argumentação pelo “oposto”. Quais as possíveis consequências de não se ter uma estrutura de GD? Por isso é que um projeto inicial de “data profiling” é sempre um bom começo para se radiografar o estado dos dados e seus potenciais riscos por problemas de qualidade. Escolha, assim, as  áreas sensíveis de dados para serem analisadas, buscando aquelas onde se concentram as  maiores reclamações de qualidade . Um dos desafios do “Data Champion” é criar credibilidade sobre suas proposições. Uma das abordagens  sugeridas é tecer os relacionamentos nas áreas, entendendo os seus problemas e aflições sobre dados e sentindo na pele os resultados negativos de campos mal preenchidos e suas consequências. O “Data Champion” deverá estar sempre atento aos problemas emergentes de dados nascidos de falta de qualidade e deitar falação sobre esses pontos, usando-os como alavanca para as suas proposições. O olho em projetos emergentes com características “Data Intensive” é uma boa abordagem, pois ali podem estar os argumentos que faltaram para o convencimento pleno que não se conseguiu por caminhos mais lineares. Aplicações de CRM, projetos de DW, aplicações de integração de sistemas, etc são ótimos alvos dessa lupa analítica do “Data Champion”.  Uma boa estratégia é observar áreas sensíveis e estabelecer diálogos sobre alguns pontos como:

·         Marketing

o   Vocês estão trabalhando em campanhas novas?

o   Como estão as listas de clientes?

o   Qual a taxa de retorno vocês tem obtido desses envios?

o   Como o sistema de CRM tem ajudado?

o   Você acha que temos dados para alavancar relacionamentos fortes com nossos clientes?

·         Compra/Material

o   O dado reflete a correta posição do estoque?

o   Você, já alguma vez, pagou duas vezes o mesmo fornecedor pela mesma compra?

o   Os preços dos nossos itens refletem  o nosso poder global de compras?

·         Cadeia de suprimentos

o   As nossas entregas retornam por problemas de endereçamento? Qual a frequência e qual o custo?

o   Se tivermos um “recall” de produto, quão efetivo estão os nossos dados para alcançarmos os nossos clientes alvos do recall?

o   Como vocês gerenciam o fato de manter baixo custo de estoque contra a presença duplicada de itens no estoque?

o   Nós compartilhamos a disponibilidade de nossos produtos com parceiros? 

·         Executivos

o   Vocês tem os dados(métricas) necessárias para a tomada de decisão? Com que grau de satisfação isso acontece?

o   Você confia nos dados retornados?

o   Você já se defrontou com erros provenientes desses dados?

o   Você acha que precisaria de dados(métricas) mais confiáveis?

o   Qual o seu grau de confiança com relação à aderência dos dados em relação às leis do nosso país?

·         Cobrança

o   Você já cobrou a mais ou a menos alguns de nossos clientes?

o   As cobranças chegam aos nossos clientes corretamente ou há um grau de envios perdidos ou retornados?

Todas essas perguntas poderão ser feitas na base da técnica dos 4 “ porquês” , que permite um aprofundamento cíclico das questões, caso a paciência do interlocutor não chegue ao limite na altura do segundo “ why”...

Como é uma equipe de GD?

A visão de Steve Sarsfield sobre a composição das estruturas de GD está na figura abaixo. Na realidade, embora a figura mostre certas variações com relação ao que já encontramos em outras proposições, na essência as coisas se mantém. Sarsfield cria a figura do “Data Champion” como elemento central. Essa caixa pode ser uma pessoa ou um grupo, desempenhando papel e tem o driver da gerência dos projetos de GD. Ou seja, ele é quem coordena  e controla o desenvolvimento das ações de GD. Para tal, se mune de um processo, que pode ter sido originado , por exemplo, no framework do DGI , de Gwen Thomas, ou nas proposições do DGS-Data Governance Society, ambos detalhados anteriormente. Esse personagem, que desempenharia a figura de GP da GD, conduziria os projetos do programa. Acima dele, aparece  a figura de um executivo  do tipo C*O, como define Sarsfield. Pode ser o CFO(Chief Financial Officer) ou um CMO(Marketing), dependendo da área que apresentar os maiores sinais de problemas de dados. O CEO até pode ser um elemento dessa natureza, porém considera-se inadequado o CIO como elemento  associado a esse papel. Na estrutura acima do Patrocinador executivo(C*O)”, aparece um Conselho de GD, presente em todas as proposições analisadas, que seria o órgão regulador, aprovando aspectos de Padrões , Processos e Regras de GD, eventualmente sugeridas na área do patrocinador executivo ou do Data Champion. Num nível ainda alto, há um Steering Committee, que faz o papel de um Comitê formado por executivos de várias áreas. Essa caixa sugere uma certa redundância com o Conselho de GD. Trabalhando diretamente com o GP do GD aparecem as figuras dos gestores de dados, aqui com denominações ligeiramente diferente. Sarsfield chama de gestores de dados, aqueles envolvidos com dados na esfera de TI(que em outras proposições aparece como os data custodians). Os gestores de dados(do nível da tecnologia), fariam a ponte entre os gestores de dados do nível de negócios(aqui chamados de representante de negócios) e as ferramentas . Os gestores de dados da TI fariam a gestão dos modelos de dados, enquanto os do domínio de negócios fornecem com maior clareza e entendimento os processos de negócios e os seus dados envolvidos. Finalizando, como não poderia de ser, Steve Sarsfield sugere a presença de uma caixa de consultoria, honrando o papel que desempenha na Talend, uma empresa específica desse nicho de GD e dados e que apresenta crescimentos  com cifras sensacionais, como 108% de 2010 para 2011 e a carteira de clientes pulando de 2000 para 3500, segundo a Wikipedia consultada. 

Nos capítulos subsequentes Steve Sarsfield foca nos aspectos de aplicação de data profiling em áreas como CRM, Supply chain, etc enfatizando a importância de se traduzir os achados de impurezas em métricas eloquentes. Assim, os percentuais de dados impuros em cadastros de CRM, passando pelas lacunas em nível mais físico como apontado por Codd(integridade de entidades, de relacionamentos e de domínios de atributos) até problemas de natureza negocial, como o percentual de campos nomes e endereços com erros, ou duplicados serão, por exemplo, levantados. De posse dessas métricas, cuidadosamente coletadas num projeto de medições e dispostas em gráficos de alta visibilidade, parte-se para a árdua missão de demonstrar as rachaduras encontradas nos grandes depósitos de informação da empresa e justificar onde a GD poderia interceder para resolvê-las. O autor versa também sobre algumas ferramentas de mercado que poderão auxiliar na missão de GD até desaguar em exemplos reais, como o ilustrado a seguir.

Casos de estudo sobre a aplicação de GD na British Telecom

BT-British Telecommunications

Considerada uma das maiores empresas de telecomunicações do mundo, a BT evoluiu através de diversos processos de merges e aquisições. Com cerca de 20 milhões de clientes, a gigante inglesa tinha em 1997 aproximadamente 700 sistemas que gravitavam por sobre as suas linhas de produtos. Esses sistemas consumiam diversos “silos” de dados, denominação dada aos arquivos, bancos de dados ou estruturas informacionais como Data Marts, que não apresentam níveis de integração capazes de garantir a integridade das informações que nele residem. Premida pela alta dispersão de seu acervo e pela vigilância da EU-Data Protection Act, rigorosa legislação européia que dispõe sobre segurança e privacidade de dados pessoais de clientes, a empresa empreendeu um plano de GD (Governança de Dados). Com a estratégia de “pense global, aja local”, a empresa iniciou com uma equipe pequena se atrevendo a entender e pesquisar a qualidade dos dados que circulavam por seus sistemas de negócios. Depois de entrevistar trinta dos  principais stakeholders-chave dos negócios da empresa, obtiveram uma visão sobre a qualidade dos dados da empresa. Subsequentemente empreenderam ações na área de marketing através de projetos de qualidade e profiling de dados, usando as ferramentas da Trilium, empresa do grupo Harte-Hanks, especializada em limpeza, integração e governança de dados. Partiram também para a uma estratégia de visão integrada de clientes, estabelecendo os primeiros pilares da GD. Com a semente de GD lançada, nasceram as primeiras políticas definindo, de forma corporativa, o sentido de qualidade da informação, contemplando atributos já discutidos como precisão, completude, confiabilidade, acessibilidade e disponibilidade. Com um forte plano de comunicação empresarial, definiram ferramentas padronizadas para as unidades organizacionais, para posteriormente unificar, em um só grupo, todos os envolvidos em qualidade de dados das diversas unidades de negócios. Assim, foi criado o que chamamos de DGPG, centro de excelência em governança e qualidade de dados. Os primeiros resultados em economia  direta, fator único que efetivamente sensibiliza os patrocinadores de um programa como esse, vieram a partir de 2002. Estima-se que a empresa tenha tido um retorno na faixa de um bilhão de dólares com o programa de GD implementado.


Visão adaptada do conceito de Steve Sarsfield sobre Governança de Dados